基于大型神经网络的对呼吸暂停、心动过缓及去饱和事件的检测
机器学习
2017-11-20 v1 计算机与社会
摘要
呼吸暂停、心动过缓及去饱和（ABD）事件常先于包括新生儿败血症在内的危及生命事件而发生。在此，我们将 ABD 事件的检测作为一个二分类问题来探索机器学习方法。我们研究使用大型神经网络以获得良好的检测性能。为便于使用，所选神经网络不需要高水平的参数调优。此外，可用的训练数据量有限且训练数据集不平衡。与两种广泛使用的先进机器学习算法相比，该大型神经网络被证明是高效的。即便在有限且不均衡的训练数据下，大型神经网络提供的检测性能水平仍可在临床护理中可行使用。
引用
@article{arxiv.1711.06484,
title = {Large Neural Network Based Detection of Apnea, Bradycardia and Desaturation Events},
author = {Antoine Honoré and Veronica Siljehav and Saikat Chatterjee and Eric Herlenius},
journal= {arXiv preprint arXiv:1711.06484},
year = {2017}
}
备注
Accepted for NIPS Workshop ML4H, 2017